什么是大语言模型（LLM）？零基础入门

一、一句话理解大语言模型

大语言模型（Large Language Model，简称 LLM）本质上是一个「预测下一个词」的程序。你给它一段文字，它根据海量语料中学到的规律，猜出最可能接在后面的词，再猜下一个，如此循环，就生成了一段连贯的话。

听起来简单，但当模型参数量大到百亿、千亿级别，训练数据多到几乎读遍互联网后，这种「猜词」能力就涌现出了惊人的表现：它能写文章、写代码、做翻译、回答问题，甚至进行多轮推理。

二、为什么叫「大」模型

「大」主要体现在三个方面：

• 参数多：早期模型只有几百万参数，如今主流模型动辄 70 亿（7B）、130 亿（13B）甚至上千亿参数。参数就像模型的「记忆和知识」，越多越聪明。
• 数据多：训练语料通常以「万亿 Token」计，涵盖书籍、网页、代码、论文等。
• 算力多：训练需要成千上万张 GPU 集群连续跑数月。

三、大模型能做什么

• 文本生成与润色：写文案、总结、改写、扩写。
• 代码生成：根据需求写函数、调试、解释代码。
• 知识问答：回答百科类、专业类问题。
• 翻译与多语言处理。
• 作为「大脑」接入应用：客服机器人、智能助手、Agent 等。

四、它和普通程序的本质区别

普通程序是「规则驱动」：程序员写死 if-else 逻辑，输入确定、输出确定。大模型是「数据驱动」：没有人为编写的规则，而是从数据中自动学习规律，因此能处理模糊、开放、从未见过的输入，输出也带有一定随机性和创造性。

这也带来一个重要特性——它不是数据库，会「一本正经地胡说八道」（幻觉），所以使用时要学会验证和引导。

五、小结

大语言模型是一个用海量数据训练出来的「文字预测引擎」，是当前 AI 浪潮的核心。理解它的本质，是学习后续所有知识（Token、Transformer、Prompt、微调等）的第一步。